ASIFT 기반 객체 인식의 정확도 향상에 관한 연구

Abstract

최근에 디지털 기기의 증가와 함께 다양한 촬영기기들의 도입으로 인하여 많은 영상과 이미지들이 유통되고 다루어지고 있다. 이러한 영상과 이미지의 증가는 자연스럽게 다양한 부분에서 이미지 인식, 분류 시스템의 필요성과 수요의 증가를 가져왔다. Local feature를 이용한 영상인식은 local feature detector들이 가지는 여러 장점에 의해 많이 사용되어 왔다. 이러한 local feature detector중 SIFT는 뛰어난 성능으로 인해 많이 사용된다. 하지만 SIFT는 연산량이 높고 검출하려는 객체의 기울임 정도에 따라 그 성능이 떨어진다. 이에 affine SIFT(ASIFT)가 제안되었다. ASIFT는 이미지로부터 다시점의 여러 이미지들을 생성한 뒤 SIFT를 적용하여 fully affine invariant 한 SIFT를 구현하였다. 본 논문에서는 ASIFT 알고리즘을 이용하여 이를 실제 실생활의 영상에서 객체 검출을 시도해 본다. 이때 ASIFT가 만드는 많은 keypoint로 인한 오매칭과 오검출을 줄이는 방법을 제안한다. 제안하는 방법에는 오검출을 제거할 수 있는 distance filter와 angle filter 그리고 미검출을 재검출하는 local object update 방식의 재검출 방법을 제안한다. Distance filter는 객체를 구성하는 각 점 사이의 거리와 상대적인 위치를 이용하여 오검출을 제거한다. Angle filter는 검출된 객체의 각을 이용하여 오검출을 제거한다. 미검출시 이전 영상에서 검출된 object를 이용 재검출을 시도하는 local object update 방식으로 객체의 검출 율을 증가시킨다. 이러한 방법을 통해 기존 검출에 비해 잘못된 검출 결과를 0%에 가깝게 유지하고 검출률은 90% 근처로 유지할 수 있다.